WAV2VEC2_XLSR_300M

torchaudio.pipelines.WAV2VEC2_XLSR_300M

具有 3 亿参数的 XLS-R 模型，使用来自多个数据集（ Multilingual LibriSpeech [Pratap et al., 2020], CommonVoice [Ardila et al., 2020], VoxLingua107 [Valk and Alumäe, 2021], BABEL [Gales et al., 2014], 和 VoxPopuli [Wang et al., 2021])的 436,000 小时未标记音频进行预训练，涵盖 128 种语言，未进行微调。

最初由 XLS-R [Babu et al., 2021] 的作者发布，采用 MIT 许可，并以相同许可重新分发。 [许可, 来源]

请参阅 torchaudio.pipelines.Wav2Vec2Bundle 获取使用详情。